改进遗传算法与ANSYS协同在结构优化设计中的应用

发布时间：2017-10-17 04:15

  本文关键词：改进遗传算法与ANSYS协同在结构优化设计中的应用

  更多相关文章： 桁架结构 优化 遗传算法 乘子法 有限元

【摘要】：随着科技的进步,飞机、桥梁及各种建筑大量采用桁架结构,对大型、超大型结构进行优化的需求越来越多,结构优化所产生的经济效益也越来越高,而这些结构往往存在大量的离散变量,很难建立准确的数学模型,需要借助有限元分析软件(如ANSYS)等进行仿真计算。但传统优化方法处理含离散变量的结构优化问题时具有一定局限性,优化过程很难在有限元分析软件中直接进行。因此,对快速准确地进行优化,并使优化结果与有限元分析结果实现有效的数据交换进行研究具有科学和现实意义。本文以离散变量桁架结构优化为目标主要对遗传算法的改进及其与ANSYS软件的协同计算问题做了如下研究:(1)对基本遗传算法易早熟,计算效率偏低的问题进行改进。在算法中加入移民算子和引入最优保存策略,有效解决了早熟问题;采用分段编码的策略(在搜索前期用整数编码,后期用格雷编码)大大提高了寻优效率。(2)在处理约束优化问题时,对常用罚函数中的外点罚函数法、可微罚函数法、乘子法的约束能力进行对比,研究采用不同罚函数对改进遗传算法搜索性能的影响,结果表明乘子法约束处理能力更强,且乘子法约束处理中选取较小的初始计算参数有利于搜索到更好解。(3)基于MATLAB平台实现了改进遗传算法与ANSYS软件协同优化计算,最后通过十杆、二十五杆、七十二杆三个典型的离散变量桁架结构优化算例进行验证,结果表明,本文所涉协同优化方法均比参考文献中给出的优化结果更好。综上所述,本文针对离散结构优化中难以建立准确数学模型和计算困难的问题,提出利用罚函数法对改进遗传算法进行约束处理的方法,解决了简单遗传算法存在的早熟、效率低等缺点,并利用MATLAB软件实现了本算法和ANSYS软件的协同。研究结果为快速求解含离散变量的结构优化问题提供了一个可行途径。
【关键词】：桁架结构 优化 遗传算法 乘子法 有限元
【学位授予单位】：南昌航空大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TB12
【目录】：

• 摘要3-4
• Abstract4-8
• 第1章 绪论8-16
• 1.1 研究背景及目的意义8-9
• 1.2 国内外研究现状9-14
• 1.2.1 离散变量结构优化设计的发展概况9-10
• 1.2.2 遗传算法在离散变量桁架结构优化中的研究现状10-13
• 1.2.3 遗传算法与ANSYS协同优化研究现状13-14
• 1.3 本文研究内容及方案步骤14-16
• 第2章 离散变量结构优化设计的基本问题16-23
• 2.1 离散变量优化问题中的基本概念16-17
• 2.1.1 离散变量的可行集16-17
• 2.1.2 离散变量优化设计的最优解17
• 2.2 离散变量结构优化问题的数学模型17-21
• 2.2.1 设计变量17-18
• 2.2.2 目标函数18-19
• 2.2.3 约束条件19-20
• 2.2.4 数学模型20-21
• 2.3 离散变量优化计算方法21-22
• 2.4 本章小结22-23
• 第3章 遗传算法的改进23-38
• 3.1 遗传算法的基本思想与特点23-24
• 3.2 基本遗传算法的操作过程24-25
• 3.3 基本遗传算法性能测试25-26
• 3.4 改进遗传算法26-31
• 3.4.1 分段编码策略27-28
• 3.4.2 移民策略28
• 3.4.3 最优保存策略28-29
• 3.4.4 改进遗传算法综合性能测试29-31
• 3.5 罚函数法约束处理31-37
• 3.5.1 外点罚函数法32-33
• 3.5.2 可微罚函数法33
• 3.5.3 乘子法33-34
• 3.5.4 约束性能对比计算34-37
• 3.6 本章小结37-38
• 第4章 改进遗传算法与ANSYS协同计算研究38-43
• 4.1 ANSYS软件参数化设计语言(APDL)38
• 4.2 改进遗传算法与ANSYS协同38-41
• 4.3 基于乘子法的协同算法计算过程41-42
• 4.4 本章小结42-43
• 第5章 协同算法在离散变量桁架结构优化中的应用研究43-60
• 5.1 离散变量桁架结构优化问题的数学模型43
• 5.2 桁架优化算例43-58
• 5.2.1 十杆桁架算例44-49
• 5.2.2 二十五杆桁架算例49-53
• 5.2.3 七十二杆桁架算例53-58
• 5.3 本章小结58-60
• 第6章 结论与展望60-62
• 6.1 结论60-61
• 6.2 未来研究展望61-62
• 参考文献62-67
• 论文发表及科研情况67-68
• 致谢68-69

【相似文献】

中国期刊全文数据库 前10条

1 杨艳丽,史维祥;一种新的优化算法—遗传算法的设计[J];液压气动与密封;2001年02期

2 王毅,曹树良;遗传算法在并联水泵系统运行优化中的应用[J];流体机械;2003年10期

3 赵义红,李正文,何其四;生物信息处理系统遗传算法探讨[J];成都理工大学学报(自然科学版);2004年05期

4 李凡,黄数林,张东风;一种改进的多倍体遗传算法[J];华中科技大学学报(自然科学版);2005年01期

5 韦雪洁;黎明;刘高航;田贵超;;注入式的遗传算法的分析与研究[J];南昌航空工业学院学报(自然科学版);2006年01期

6 阎纲;;遗传算法及其仿真[J];湖南工程学院学报(自然科学版);2006年04期

7 ;遗传算法[J];电网与清洁能源;2008年10期

8 吴玫;陆金桂;;遗传算法的研究进展综述[J];机床与液压;2008年03期

9 李培植;肖利明;于静涛;;基于遗传算法的结构优化方法[J];公路交通科技(应用技术版);2008年08期

10 于金;金乐;杜海璐;;基于改进遗传算法的集装箱装载优化问题研究[J];船海工程;2008年05期

中国重要会议论文全文数据库 前10条

1 陈家照;廖海涛;张中位;罗寅生;;一种改进的遗传算法及其在路径规划中的应用[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

2 李国云;刘颖;薛梅;邬志敏;;遗传算法在高温空冷冷凝器优化设计中的应用[A];第五届全国制冷空调新技术研讨会论文集[C];2008年

3 王志军;李守春;张爽;;改进的遗传算法在反演问题中的应用[A];新世纪 新机遇 新挑战——知识创新和高新技术产业发展（上册）[C];2001年

4 任燕翔;姜立;刘连民;从滋庆;;改进遗传算法在三维日照方案优化中的应用[A];工程三维模型与虚拟现实表现——第二届工程建设计算机应用创新论坛论文集[C];2009年

5 韩娟;;遗传算法概述[A];第三届河南省汽车工程科技学术研讨会论文集[C];2006年

6 庞国仲;王元西;;基于遗传算法控制步长的定性仿真方法[A];'2000系统仿真技术及其应用学术交流会论文集[C];2000年

7 张忠华;杨淑莹;;基于遗传算法的聚类设计[A];全国第二届信号处理与应用学术会议专刊[C];2008年

8 何翠红;区益善;;遗传算法及其在计算机编程中的应用[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集（下册）[C];1995年

9 靳开岩;张乃尧;;几种实用遗传算法及其比较[A];1996年中国智能自动化学术会议论文集（下册）[C];1996年

10 王宏刚;曾建潮;李志宏;;摄动遗传算法[A];1996年中国智能自动化学术会议论文集（下册）[C];1996年

中国重要报纸全文数据库 前1条

1 林京;《神经网络和遗传算法在水科学领域的应用》将面市[N];中国水利报;2002年

中国博士学位论文全文数据库 前10条

1 蔡美菊;交互式遗传算法及其在隐性目标决策问题中的应用研究[D];合肥工业大学;2015年

2 张士伟;三维声学快速多极基本解法在机械噪声预测中的应用研究[D];沈阳工业大学;2016年

3 高军;无铅焊料本构模型及其参数识别方法研究[D];南京航空航天大学;2015年

4 Amjad Mahmood;半监督进化集成及其在网络视频分类中的应用[D];西南交通大学;2015年

5 周辉仁;递阶遗传算法理论及其应用研究[D];天津大学;2008年

6 郝国生;交互式遗传算法中用户的认知规律及其应用[D];中国矿业大学;2009年

7 侯格贤;遗传算法及其在跟踪系统中的应用研究[D];西安电子科技大学;1998年

8 马国田;遗传算法及其在电磁工程中的应用[D];西安电子科技大学;1998年

9 唐文艳;结构优化中的遗传算法研究和应用[D];大连理工大学;2002年

10 周激流;遗传算法理论及其在水问题中应用的研究[D];四川大学;2000年

中国硕士学位论文全文数据库 前10条

1 张英俐;基于遗传算法的作曲系统研究[D];山东师范大学;2006年

2 钟海萍;原对偶遗传算法与蚁群算法的一种融合算法[D];暨南大学;2013年

3 彭骞;基于遗传算法的山区高等级公路纵断面智能优化方法研究[D];昆明理工大学;2015年

4 周玉林;基于小波分析和遗传算法的配电网故障检测[D];昆明理工大学;2015年

5 郭颂;基于粗糙集和遗传算法的数字管道生产管理系统研究[D];昆明理工大学;2015年

6 吴南;数值逼近遗传算法的研究应用[D];华南理工大学;2015年

7 于光帅;一类优化算法的改进研究与应用[D];渤海大学;2015年

8 吴欣欣;改进GA-TS算法优化的BP神经网络入侵检测研究[D];湖南工业大学;2015年

9 王垒;基于遗传算法的A型单喇叭互通立交线形优化[D];长安大学;2015年

10 龚高;基于遗传算法的桥梁结构传感器优化布置研究[D];长安大学;2015年

，

本文编号：1046735